动态资讯 - 中国科技咨询协会

管理员 2023-06-27 13:54:35

人工智能成熟的艺术----从实践到绩效(一）

翻译:璐羽

人工智能的机会

每次您使用导航软件从 A 点到达 B 点，或使用将语音转换为文本的软件，或使用面部 ID 解锁手机时……您都在依赖人工智能（AI）。各行各业的公司也在依赖并投资于人工智能（AI），以改善客户服务、提高效率、赋予员工权力等等。2021 年，按市值计算在全球前2,000 家最大公司中，那些高管们在财报电话会议上讨论AI的公司，其股价上涨的可能性会多出 40%——高于 2018 年的 23%。到2024年，进行AI赋能实现股价上涨的“成就者”数量将增加一倍以上。然而，在充分利用 AI 的全部潜力和自身投资方面，大多数组织只触及到皮毛。

我们最近的研究表明，只有 12% 公司的AI 成熟度提高到足以实现公司卓越的增长和业务转型。平均下来这些AI“成就者”近 30% 的总收入归功于 AI。甚至在AI大流行前的2019 年，与同行相比，他们的平均收入增长超过 50%，他们在客户体验和可持续方面也表现出色。我们的机器学习模型表明，AI “成就者”比例将迅速增加，到 2024 年将从目前的 12% 增加一倍多，甚至达到 27%。推进 AI 成熟度不再是“如果”的问题，而是“何时”的问题。这是每个行业、每个组织和每个领导者都面临的机遇。正如我们研究证实的那样，采用AI赋能企业已经具有了快速行动的驱动力。

人工智能，加速

我们对来自全球最大组织中的1,600 多名高级管理人员和数据科学领导者进行的调查发现，其中有近 75% 的公司已经将 AI 整合到他们的业务战略中，并重新制定了他们的云计划以实现 AI 的成功。他们正在将这些计划付诸实践：近三分之一的 AI 试点计划随后都得到了扩展，并提供了范围广泛的成果，从加快新产品的研发时间到增强客户体验。42% 的人表示，他们的 AI 计划的回报超出了他们的预期，而只有 1% 的人表示回报没有达到预期。随着AI转型早期的成功，建立了人们对人工智能作为价值驱动力的信心，我们估计AI转型的发生速度将比数字转型快得多——平均快 16 个月。我们预计AI转型将比数字化转型花费更少的时间。快速行动的动力很强。例如，我们发现，在 2018年至 2021 年期间，公司收入中“受AI影响”的份额增加了一倍多，预计在 2018 年至 2024 年期间将增加三倍左右。

c1996f3ec460af421a74b95886af8d8f_640_wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1.png

注：我们的预测来自对 2010 年至 2021 年全球 2,000 家最大公司（按市值计算）的投资者电话的自然语言处理分析，其中分别提到“人工智能”和“数字”以及“业务转型” 数据来自标准普尔收益记录。

什么是AI成熟度？

为了揭示AI成功的战略，埃森哲公司设计了全面的人工智能成熟度框架。恰好，我们的分析是使用AI进行的。我们应用机器学习模型来解开大量调查数据集，并发现 AI 成熟度（以及 AI 性能）的驱动因素，而这些驱动因素是使用过去传统的分析方法无法检测到的。

人工智能成熟度定义：

AI 成熟度衡量组织正确的组合掌握 AI 的相关能力，以实现客户、股东和员工的高绩效的程度。可以描述为： AI关键能力策略与融资1. 高级发起人：组织拥有由首席分析官、首席数据官、首席数字官或同等职位制定的 AI 战略。首席执行官和董事会积极发起并分担了战略中与 AI 计划相关的责任。2. AI 战略：组织不仅拥有与整体业务战略相一致的核心 AI 战略，而且他们还专门使用工具和策略来贯彻落实，并根据该战略持续跟踪他们的绩效。3. 主动与被动：组织拥有资源（如技术、人才和专利）来主动定义和展示AI如何创造价值，而不是将AI作为对需求的反应。在将AI应用于商业价值方面，他们是先行者而不是快速追随者。4. 随时使用的AI和ML工具：组织与技术合作伙伴在生态系统进行合作，访问机器学习模型和工具，以帮助新产品和服务的创新。5. 随时可用的开发者网络：组织通过访问技术合作伙伴的生态系统的开发网络，来支持新产品和新服务的开发。

数据和人工智能核心

6.构建与购买：组织通过与服务伙伴的合作，来共同开发定制AI应用程序或解决方案，而不是让客户直接购买“现成”的AI解决方案。7.平台和技术：组织与合作伙伴一同通过使用必要的云、数据和AI基础设施、软件、根据自助服务能力和行业最佳实践，以及平台提供的最新工具来解决问题。8.实验数据——变化：组织在2018年至2021年间改进了实验数据，并将它们有效地转化为更精准的数据和AI成熟度。实验数据基于使用内部和外部数据，在设计新模型中产生新见解。为此，组织使用企业级云平台来保持数据清洁和可信，并以更快的速度和更大的规模支持决策制定。9.数据管理和治理：组织扩展其数据管理和治理实践，以提高实体间的数据质量、信任和道德规范——例如，通过实施主数据管理并确保安全性、合规性和互操作性。10.数据管理和治理——变化：组织在2018年至2021年期间改进了数据管理和治理实践，有效地转化为更精准的数据和AI成熟度。

人才与文化
11.强制性AI培训：组织实施AI特定培训计划以提高AI流畅度，这些计划是为高级领导和特定职能部门量身定制的，例如销售人员、产品工程师等。他们还为员工创造了学习和应用AI的机会，与其工作角色相匹配。12.员工在AI相关技能方面的能力：组织会定期衡量员工的能力水平，以确保通过进一步培训来提高整体敏锐度。他们在编码、数据处理和探索、业务分析、业务领域和专业知识、ML、可视化等关键领域衡量和培养敏锐度。13.嵌入创新文化：组织确保创新成为日常工作环境的一部分。他们鼓励思维方式、行为和惯例，这些都可以作为实验、协作和学习的工具，从构思到产品开发再到市场投放。14.鼓励创新文化：组织提倡和奖励创新的思维方式和行为，包括企业家精神、协作和深思熟虑的冒险精神。15.AI人才战略：组织通过制定AI人才战略——招聘、吸引、保留——不断发展以跟上市场或业务需求的步伐。他们还有一个 AI 人才“路线图”，用于招聘各种AI相关角色，而不仅仅是机器学习工程师——例如行为科学家、社会科学家和伦理学家。